用可视化节点图精确控制扩散模型，本地跑图生图、视频、3D 与音频，号称最快的本地推理引擎。

项目名称：ComfyUI
编程语言：Python（基于 PyTorch）
开源许可证：GPL-3.0
GitHub 地址：https://github.com/Comfy-Org/ComfyUI
官网或 Demo：https://www.comfy.org/

和"输入一句话出图"的傻瓜工具不同，ComfyUI 把 AI 图像生成拆成一堆可以拖拽连接的节点：加载模型、编码提示词、采样、放大、导出，每一环都是你能改的模块。它也因此成为很多进阶创作者的主力——既能在本地跑、模型自己说了算，又能把整套生成流程排得清清楚楚、可复现、可分享。官方自称"世界上最快的本地推理引擎"，背后是一套针对显存和算力的精细调度。

核心能力

节点图精确控制生成流程
你可以用节点图把"出图→局部重绘→放大出 4K"整条链路在一个画布上排布清楚。每个节点都能单独调参、单独复用，改一处不会把前面推倒重来。对追求可控的创作者，这是它和多数 Web UI 的根本区别。比如你调好了满意的采样参数，只想换张参考图重跑后半段，局部重执行能省下大量重复计算。

原生支持大量主流模型
它原生对接 Stable Diffusion 1.5 / SDXL / SD3.5、Flux、Qwen Image、Wan、HunyuanVideo 等 SOTA 模型。换模型基本是下拉选择或替换节点的事，不用改代码。视频方向能接 Wan、HunyuanVideo 类模型做文生视频与图生视频；3D 与音频也在支持范围内。一个引擎覆盖图像、视频、3D、音频多种创作，不必每类任务换一套工具。

高效的本地推理与资源调度
官方定位"最快的本地推理引擎"，背后是异步队列、局部图重执行（只重算改动的节点）、智能 VRAM/RAM 管理。实践中你改了最后一个放大节点，它不会重新跑前面的采样，省下大量时间。还支持量化模型，以便在显存有限的机器上跑大模型。对只有一张消费级显卡的用户，这套调度往往决定了能不能跑得动。

本地 API 与生产管线集成
除了图形界面，ComfyUI 提供本地 API 端点，可以把节点工作流当作后端服务调用。场景：你把调好的出图流程存成 JSON，服务器上用 API 批量生成，前端只管传参。桌面端、Windows 便携版、官方云服务也都可用。工作流还能导出分享，社区里有大量现成模板可直接载入，上手成本被大幅拉低。

使用上手

  1. 选择安装方式：Windows / macOS 用户直接下载官方桌面端（https://www.comfy.org/download）；或手动 git clone 后用 pip 安装依赖。

  2. 手动安装示例：

    git clone https://github.com/Comfy-Org/ComfyUI
cd ComfyUI
pip install -r requirements.txt
python main.py

    也可使用官方 comfy-cli：pip install comfy-cli 后执行 comfy install。

  3. 把模型文件（如 SDXL、Flux 的 safetensors）放入 models/checkpoints 对应目录。
  4. 打开界面，从社区载入一个示例工作流（https://comfy.org/workflows），替换提示词和模型，点击运行出图。

优点与不足

优点：

  • 节点式控制极致灵活，可复现、可迭代。
  • 本地运行、模型自持，隐私与成本可控。
  • 模型覆盖面广，图像 / 视频 / 3D / 音频通吃。

不足：

  • 节点图对新手有门槛，初期要理解模块含义。
  • GPL-3.0 许可证对闭源商业集成有约束，需留意合规。
  • 模型与依赖体积大，首次部署费磁盘与显存。

适合谁

  • 想精细控制 AI 出图、不愿被"黑盒"限制的创作型用户。
  • 本地部署、重视数据与模型自持的开发者。
  • 需要把生成流程接入自有产品的团队（用 API）。
  • 玩 Stable Diffusion / Flux / 视频生成的工作室与个人。

下载与访问

项目说明
开源许可证GPL-3.0
源码部署git clone 后 pip install -r requirements.txt，python main.py（或 comfy-cli）
Docker 部署官方未主推官方镜像；社区镜像可自行搜索，建议以仓库文档为准
运行要求Python 环境 + PyTorch，显卡显存越大越流畅

本文属于「项目」分类的 AI 资源专栏，更多评测见分类页。